Preparacion de los datos

Tanto las bases de datos de la cantidad de especies y las ASP fueron birndados por el profesor.Ademas se cargo una capa raster con la base de datos “WorldClim” para visualizar la altitud del pais.

library(sf)
library(raster)
library(dplyr)
library(spData)
library(leaflet)
library(plotly)
library(DT)
library(tidyr)

# Carga de datos

provincias <-
  st_read(
    "https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/ign/delimitacion-territorial-administrativa/cr_provincias_simp_wgs84.geojson",
  )
## Reading layer `cr_provincias_simp_wgs84' from data source `https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/ign/delimitacion-territorial-administrativa/cr_provincias_simp_wgs84.geojson' using driver `GeoJSON'
## Simple feature collection with 7 features and 7 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -87.10189 ymin: 5.498569 xmax: -82.55287 ymax: 11.21964
## Geodetic CRS:  WGS 84
orq <-
  st_read(
    "https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/gbif/orchidaceae-cr-registros.csv",
    options = c(
      "X_POSSIBLE_NAMES=decimalLongitude",
      "Y_POSSIBLE_NAMES=decimalLatitude"
    ),
    quiet = TRUE
  )

asp <-
  st_read(
    "https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/sinac/asp/asp-wgs84.geojson",
    quiet = TRUE
  )

alt <- getData(
  "worldclim",
  var = "alt",
  res = .5,
  lon = -84,
  lat = 10
)

altitud <-
  alt %>%
  crop(provincias) %>%
  mask(provincias)

rcol <- colorNumeric(c("#00CC00", "#FFFF66", "#FF0000"),
                     values(altitud),
                     na.color = "transparent")

st_crs(asp) = 4326
st_crs(orq) = 4326

## filtros

orq$species[orq$species == ""] <- "No"

orq <- orq %>%
  filter(!is.na(coordinateUncertaintyInMeters) & coordinateUncertaintyInMeters <= 1000)%>%
  filter(species!="No")

asp <- asp %>%
  filter(descripcio!="Area Marina de Manejo"&descripcio!="Area marina protegida")

asp_registros <-
  asp %>%
  st_join(orq) %>%
  group_by(nombre_asp) %>%
  summarize(especies = n_distinct(species,na.rm = TRUE))

Especies de orquiedeas repartidas en las diferentes areas protegidas de Costa Rica

El siguiente mapa muestra la cantidad de especies de orquideas en Costa rica repartidas en diferentes Areas Silvestres Protegidas (ASP) del pais.

## popups

pasp <- paste0("<b>", "Area protegia: ","</b>",
                (asp_registros$nombre_asp),"<br>",
                "<b>","Area_km: ","</b>",
                (asp$area_km),"<br>",
                "<b>", "Cantidad de especies: ","</b>",
                (asp_registros$especies),"<br>",
                "<b>", "Descripcion ASP: ","</b>",
                (asp$descripcio))

# Paleta de colores

colores_registros <-
  colorNumeric(palette = "RdPu",
               domain = asp_registros$especies,
               na.color = "transparent")

# Mapa Leaflet
      
      leaflet() %>%
      addTiles(group = "OSM") %>%
      addRasterImage(
          altitud, 
          colors = rcol, 
          opacity = 0.8,
          group = "Altitud")%>%
      addPolygons(
        data = asp_registros,
        fillColor = ~ colores_registros(asp_registros$especies),
        fillOpacity = 0.7,
        stroke = TRUE,
        color = "black",
        weight = 1,
        popup = pasp,
        group = "ASP - especies de orquideas"
      ) %>%
      addLayersControl(baseGroups = c("OSM"),
                       overlayGroups = c("ASP - especies de orquideas", "Altitud")) %>%
      addLegend(
        position = "bottomleft",
        pal = colores_registros,
        values = asp_registros$especies,
        group = "ASP - especies de orquideas",
        title = "Cantidad de especies")